卡本的困境是一个行业技术向前推进的自然状态🏜，探路的人永远比走路的人艰辛🆎，同样的🍋，如果这个探路者找到一条新路⏭，他就有机会收获最大的价值🐉。?????笔??趣阁?ｗ?ｗ?ｗ?．?ｂ?ｉ?ｑｕｇｅ．ｃｎ

在莫回的概念里👛，卡本所面临的障碍基本上都是工程技术障碍✈，理论障碍非常少🐾，人类展大现在这个阶段🍟，生活服务机器人实际上在各个主要的基础理论领域已经成熟✒，无非是在工程技术上存在大量的难题⛹。

做个简单的类比🍩，内燃机的理论模型很早就已经建立起来了🎐，但是后面一代代的内燃机不断的更新换代⛩，技术不断向前推进➕，实际上并不是理论上获得了什么突破🍌，只不过是内燃机的工程技术上日臻完善🏴。

如果我们抛开材料技术等周边学科的进步🌝，单独谈论内燃机的技术进步🐳，就会现它的进步在原理上并没有脱离最初的理论模型🎼，无非是热效率的不断提高⬜，功率的不断提高➡，这些进去都是工程技术上的进步🎯。

现在在机器人领域面临的就是这个问题🈸，主要领域的理论技术已经不是障碍🐕，现在只是需要进行工程技术上的突破🍟，理论上可行了🐗，还必须要在工程上实现它🌆。

现在机器人卡壳的几个关键领域🌾，图像识别👪、语音识别🎍、人工智能🐟、定位与导航🐦，准确来说也谈不上卡壳🏩，只不过现有技术实现效果不佳🎨。

就好像早期的蒸汽机🌬，压力不行✝、密封不行🍂、传动不行🏫、机械结构也不成🌇，导致整体效率非常低下🏜，只能在矿井里负责排水🉑，应用场景和市场接受度受到非常大的限制🌥。

现在的机器人也是这个状态⏪，整体来看🍦，每个领域的都有技术能够用上🆙，但是性能都不咋地🐁，组合起来的整体就显得更差🌦，往往挺昂贵的东西🌈，但是真正用起来就是一时新鲜🏭，应用性和工作效率很差🍌。

说白了🌥，现在的生活服务类机器人🎩，有太多领域需要加强♑，这些领域的技术太低⏭，导致机器人整体的应用性能始终提不上去🏩。

不过有个好处就是🎏，所有相关技术都有🎥，不至于说出现一个暂时完全无法解决的技术空白领域⭕，有没有的问题已经解决🐩，现在正在解决好不好的问题✂。

比如图像识别技术⏸，这个技术很早就有🏆，从这个技术延伸出来很多相关的应用技术🐋，比如百度的搜图🐕，比如人脸识别🐨，比如三维重建等等🏮，都是从这个技术延伸出来的🍄。

库卡面对的是标准化可设计场景👔，而卡本面对的是随机不可控场景❄，并且突事件很多♒，所以相对来说👭，卡本面对的技术难度要远高于库卡👄。只不过库卡倾向于精度和效率🎶，卡本倾向于可用性和智能性🌲。

卡本的收购成本并不高➰，并且它算是在生活服务机器人领域走的最远的㊙，莫回拿下卡本的一个主要的考虑是尝试利用极本加研进程⛲。

目前极本的运算能力是常的🐶，智能性也还不错🐕，虽然未必是最强的🌳，至少在各大实验室研的aI中算是第一梯队的✡。

极本对卡本可能提供的帮助应该在模拟和排错上🍒，比如图像识别🐎，想要获得一个应用效果比较好的图像识别技术⏯，关键就在算法和无监督自我学习的智能性上🌧。

莫回采取的是笨方法🐯，当卡本被收购之后⛄，让卡本团队在图像识别领域提供一个演进模型🏐，这个模型实际上是一个训练模型👉，通过海量样本进行人工智能的训练和学习🏒。同时让他们提供图像识别领域所有可能的算法🍱，无论这个算法有效性如何🍂。

莫回依托上帝之手可调用的资源相当多🀄，他不仅要求卡本提供👬，还联系了很多在这个领域进行研究的科研和商业机构🈸，让他们提供类似的东西🆘。

莫回做的事情实际上是尽量将这个领域的算法穷举🌇，同时将这个领域的研究方法穷举🍀，然后利用海量的样本让极本进行无穷比对和组合🌔。

严格来说他这不算是科研♏，他是利用极本的计算力优势🌕，不停的排列组合♊，穷举所有可能性⛅，在其中找到可能的道路🍲。

这个方法虽然很笨🌑，但是在某型领域确实能够起到效果👎，实际上大数据提取出来的各种规律和关联性🏩，都是利用各种算法👟，通过类似的方式🐰，寻找隐藏的或然关系的⛔。理论上来说某些科研也类同于穷举🍷，白炽灯的明其实就是穷举所有可能材料🎁，最终选中了钨✡。

极本的第一次科研是在阿朱这个人工智能的帮助下磕磕绊绊进行的🐵，好在极本的运算度非常快🍈，技术瞬间就会给出结果🍮，无论面对多大的样本库🍳。

所以莫回的科研进度很快㊙，他能够在一天只能调整数十次计算模型🌽，不断试错不断碰撞🌃，寻找可能正确的道路❣。

以图像识别技术为磨刀石👦，莫回不断的磨砺极本进行科研的应用办法🆔，不断的调整🍯，不断的尝试🍾，在持续的互动调整中⚽，极本慢慢将其强性能挥出来🏻。

当极本的科研方法基本有了雏形的时候🌂，一个应用性能已经差强人意的图像识别出炉了Ⓜ。它的算法是极本通过无数次推衍和演化之后形成的👱，它的智能模块经过数以亿记的图片和视频的训练🎊，已经拥有足够的适应性🎞。

这个图像识别技术很快给到卡本团队进行了应用性测试🎼，结果现它已经能够通过照片和视频识别家庭中大多数常用物品⏲，能够分辨宠物⏭，能够辨别移动物体🌋。

做到这一点🏙，实际上在视觉识别模块上❗，已经差不多能够满足生活机器人的需求了👞，后面需要做的就是基于这个技术🏞，延展其他功能🐢，比如距离判断⚫，路径规划🎰，自身定位等等🏏。

对于莫回来说🏐，最大的收获不是这个图像识别技术👔，而是为了研这个技术的过程中🎍，极本摸索出来的科研模式和方法🌩。

有了第一步就好🍦，莫回将其程序化🌲，变成一款带着自学习能力👜，拥有相当智能性的全新模块——科研1.o(未完待续🐃。)

本章未完，点击下一页继续阅读